Utilization of early supported discharge and outpatient rehabilitation services following inpatient stroke rehabilitation
Notice bibliographique
Résumé
Abstract Background Studies examining factors associated with patient referral to early supported discharge (ESD)/outpatient rehabilitation (OPR) programs and utilization of ESD/OPR services after discharge from inpatient stroke rehabilitation (IPR) are scarce. Accordingly, we examined utilization of ESD/OPR services following discharge from IPR and patient factors associated with service utilization. Methods Stroke patients discharged from IPR facilities in Alberta between April 2014 and March 2016 were included and followed for one year for ESD/OPR service utilization. Multivariable linear and negative binomial regressions were used to examine association of patients’ factors with ESD/OPR use. Results We included 752 patients (34.4% of 2,187 patients discharged from IPR) who had 40,772 ESD/OPR visits during one year of follow-up in the analysis. Mean and median ESD/OPR visits were 54.2 and 36 visits, respectively. Unadjusted ESD/OPR visits were lower in females and patients aged ≥ 60 years but were similar between urban and rural areas. After adjustment for patient factors, patients in urban areas and discharged home after IPR were associated with 83.5% and 61.9%, respectively, increase in ESD/OPR visits, while having a right-body stroke was associated with 23.5% increase. Older patients used ESD/OPR less than their younger counterparts (1.4% decrease per one year of older age). Available factors explained 12.3% of variation in ESD/OPR use. Conclusion ESD/OPR utilization after IPR in Alberta was low and varied across age and geographic locations. Factors associated with use of ESD/OPR were identified but they could not fully explain variation of ESD/OPR use.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».